論文の概要: Formally Guaranteed Control Adaptation for ODD-Resilient Autonomous Systems
- arxiv url: http://arxiv.org/abs/2604.07414v1
- Date: Wed, 08 Apr 2026 12:28:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.460531
- Title: Formally Guaranteed Control Adaptation for ODD-Resilient Autonomous Systems
- Title（参考訳）: ODD系自律システムの形式的保証制御適応
- Authors: Gricel Vázquez, Calum Imrie, Sepeedeh Shahbeigi, Nawshin Mannan Proma, Tian Gan, Victoria J Hodge, John Molloy, Simos Gerasimou,
- Abstract要約: 我々は,確率論的システムモデルを適用して,OODDのシナリオに対処するアプローチを提案する。
我々のアプローチは、既存のシステム状況能力のカバレッジを動的に拡張します。
予備的な結果は,本手法がシステムの信頼性を効果的に向上することを示している。
- 参考スコア（独自算出の注目度）: 7.078762226477444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring reliable performance in situations outside the Operational Design Domain (ODD) remains a primary challenge in devising resilient autonomous systems. We explore this challenge by introducing an approach for adapting probabilistic system models to handle out-of-ODD scenarios while, in parallel, providing quantitative guarantees. Our approach dynamically extends the coverage of existing system situation capabilities, supporting the verification and adaptation of the system's behaviour under unanticipated situations. Preliminary results demonstrate that our approach effectively increases system reliability by adapting its behaviour and providing formal guarantees even under unforeseen out-of-ODD situations.
- Abstract（参考訳）: 運用設計ドメイン(ODD)以外の状況における信頼性の高いパフォーマンスを確保することは、レジリエントな自律システムを開発する上で、依然として大きな課題である。
我々は,確率論的システムモデルを適用して,ODD外シナリオを処理するアプローチを導入することで,この課題を解決し,定量的な保証を提供する。
提案手法は,既存のシステム状況機能の範囲を動的に拡張し,予期しない状況下でのシステムの動作の検証と適応を支援する。
予備的な結果から,本手法は,予期せぬ外的状況下であっても,その動作に適応し,形式的な保証を提供することにより,システム信頼性を効果的に向上することが示された。
関連論文リスト
- LILAD: Learning In-context Lyapunov-stable Adaptive Dynamics Models [4.66260462241022]
LILADは、安定性と適応性を共同で保証する、システム識別のための新しいフレームワークである。
我々は、LILADをベンチマーク自律システム上で評価し、適応性、堅牢性、非適応性のベースラインを予測精度で上回ることを示す。
論文 参考訳（メタデータ） (2025-11-26T19:20:49Z) - Towards provable probabilistic safety for scalable embodied AI systems [79.31011047593492]
エンボディードAIシステムは、様々なアプリケーションでますます普及している。
複雑な運用環境での安全性確保は依然として大きな課題である。
このパースペクティブは、安全で大規模に実施されたAIシステムを安全クリティカルなアプリケーションに採用するための道筋を提供する。
論文 参考訳（メタデータ） (2025-06-05T15:46:25Z) - MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。
MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。
本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
論文 参考訳（メタデータ） (2025-05-30T14:46:05Z) - Contractive Dynamical Imitation Policies for Efficient Out-of-Sample Recovery [3.549243565065057]
模倣学習(imitation learning)は、専門家の行動からポリシーを学ぶための、データ駆動型アプローチである。
OOS(Out-of-sample)領域では信頼性の低い結果が出る傾向がある。
本稿では,契約型力学系をモデルとした政策学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-10T14:28:18Z) - Stability-Certified Learning of Control Systems with Quadratic
Nonlinearities [9.599029891108229]
この研究は、主に低次元の力学モデルを構築することを目的とした演算子推論手法に焦点を当てている。
本研究の目的は,本質的な安定性を保証する2次制御力学系の推論を容易にする手法を開発することである。
論文 参考訳（メタデータ） (2024-03-01T16:26:47Z) - Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。
これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文 参考訳（メタデータ） (2022-08-23T05:02:09Z) - Adaptive Robust Model Predictive Control with Matched and Unmatched
Uncertainty [28.10549712956161]
離散時間系のダイナミクスにおける大きな不確実性を扱うことができる学習ベースの堅牢な予測制御アルゴリズムを提案する。
既存の学習に基づく予測制御アルゴリズムが大規模な不確実性が存在する場合の安全性を確保することができず、性能が大幅に向上する。
論文 参考訳（メタデータ） (2021-04-16T17:47:02Z) - Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
エンパワーメント原理は 直立位置での 力学系の教師なし安定化を可能にする
本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。
提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
論文 参考訳（メタデータ） (2020-07-14T21:10:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。